MétaCan
Menu
Retour à la cohorte
Enregistrement W2312189361 · doi:10.7210/jrsj.32.550

Saddle Type Human Body Motion Interface for Personal Mobility Vehicle

2014· article· en· W2312189361 sur OpenAlexaff
Sho Yokota, Hiroshi Hashimoto, Daisuke Chugo, Kuniaki Kawabata

Notice bibliographique

RevueJournal of the Robotics Society of Japan · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesnon disponible
Mots-clésInterface (matter)Personal mobilitySimulationUsabilityMotion (physics)SaddleComputer scienceEngineeringHuman–computer interactionComputer visionMechanical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper proposes the human body motion interface for personal mobility vehicle including the user's twisting motion. First, saddle is attached on the personal mobility vehicle using the seat post which has the universal joints at the attachment portion. The universal joints have three rotational joints where the potentio meters are attached on each. By hip motion, the joints are moved. The potentio meters detect these rotations. Next, we introduced the sigmoid function to connect the motion of hip and the velocity of the personal mobility vehicle. Finally, the experiment was conducted to confirm the usability. In the experiment, the control interface was prepared which doesn't use the twisting motion of the hip. The subjects drive the personal mobility vehicle on the figure 8 course layout by using proposed interface and control interface. The lap times were measured in both interface and compared. After driving the vehicle, the paired preference test was conducted. The lap time using proposed interface was shorter than the control interface, and the paired preference test showed the proposed interface is intuitive.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,279
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Robotics Society of JapanMême sujetGaze Tracking and Assistive TechnologyTravaux en français237 207